When & How to Write for Personalized Demand-aware Query Rewriting in Video Search
यह शोध पत्र WeWrite प्रस्तुत करता है, जो एक व्यक्तिगत मांग-जागरूक क्वेरी रीराइटिंग फ्रेमवर्क है जो एक स्वचालित सैंपल माइनिंग रणनीति, एक हाइब्रिड SFT-GRPO प्रशिक्षण प्रतिमान और एक समानांतर "फेक रिकॉल" परिनियोजन आर्किटेक्चर के माध्यम से सिग्नल डाइल्यूशन और लेटेंसी चुनौतियों का समाधान करता है, जिसके परिणामस्वरूप वीडियो खोज जुड़ाव में मापने योग्य सुधार और क्वेरी पुनर्गठन दरों में कमी आती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, अव्यवस्थित लाइब्रेरी (जैसे WeChat का वीडियो सर्च) में एक विशिष्ट पुस्तक की तलाश में जा रहे हैं। आप लाइब्रेरियन से कहते हैं, "मुझे गुआंग लियांग (Guang Liang) चाहिए।"
लाइब्रेरियन भ्रमित है। "गुआंग लियांग" एक प्रसिद्ध गायक हो सकता है, या यह शराब का एक ब्रांड भी हो सकता है।
- पुराना तरीका: लाइब्रेरियन बस अनुमान लगाता है। शायद वे संगीत के वीडियो दिखाते हैं क्योंकि "गुआंग लियांग" का आमतौर पर वही अर्थ होता है। लेकिन आप वास्तव में शराब खरीदना चाहते थे। आप निराश होते हैं, कहते हैं "नहीं, यह वह नहीं है," और एक नया, लंबा सर्च टाइप करने की कोशिश करते हैं। यह कष्टप्रद है और समय बर्बाद करता है।
- नया तरीका (WeWrite): लाइब्रेरियन आपके पिछले व्यवहार को देखता है। वे देखते हैं कि आप खाना पकाने और दोस्तों के साथ पीने के वीडियो देख रहे हैं। उन्हें एहसास होता है, "आह! यह व्यक्ति गायक नहीं चाहता; इसे शराब चाहिए!" वे आपके टाइप पूरा करने से पहले ही आपकी रिक्वेस्ट को "गुआंग लियांग शराब" में बदल देते हैं, और आपको ठीक वही दिखाते हैं जिसकी आपको आवश्यकता है।
यह पेपर WeWrite को पेश करता है, जो एक स्मार्ट सिस्टम है जो वीडियो सर्च के लिए बिल्कुल यही करता है। यह दो बड़ी समस्याओं को हल करता है: कब मदद करनी है, और बिना चीज़ों को धीमा किए कैसे मदद करनी है।
यहाँ सरल उपमाओं (analogies) का उपयोग करके इसका विवरण दिया गया है:
1. समस्या: एक "अति-उत्साही" लाइब्रेरियन
अतीत में, सर्च इंजन आपके इतिहास के आधार पर अनुमान लगाने की कोशिश करते थे। लेकिन वे अक्सर बहुत अधिक उतावले होते थे।
- गलती: यदि आपने "एयर फ्रायर" (रात का खाना बनाने के लिए) सर्च किया, लेकिन आपने कल मज़ेदार बिल्ली के वीडियो देखे थे, तो एक पुराना सिस्टम सोच सकता है, "ओह, इस यूजर को मज़ेदार चीज़ें पसंद हैं!" और आपके सर्च को "एयर फ्रायर का उपयोग करने के मज़ेदार तरीके" में बदल सकता है।
- परिणाम: आप सिर्फ एक रेसिपी चाहते थे, लेकिन आपको चुटकुले मिले। इसे इंटेंट ड्रिफ्ट (Intent Drift) कहा जाता है। सिस्टम मदद करने के बजाय रास्ते में बाधा बन गया।
2. समाधान: एक "स्मार्ट" सिस्टम (WeWrite)
लेखकों ने एक ऐसा फ्रेमवर्क बनाया है जो दो महत्वपूर्ण प्रश्नों के उत्तर देता है:
A. "कब लिखना है?" (गेटकीपर - The Gatekeeper)
सिस्टम हर सर्च को फिर से लिखने की कोशिश नहीं करता है। ऐसा करना हर बार आपको टोकने जैसा होगा।
- रणनीति: उन्होंने एक "गेटकीपर" बनाया है जो आपके इतिहास को देखता है ताकि यह पता चल सके कि क्या आप वास्तव में भ्रमित हैं।
- यदि आपने "गुआंग लियांग" टाइप किया, एक वीडियो पर क्लिक किया, उसे नापसंद किया, और तुरंत "गुआंग लियांग शराब" टाइप किया, तो गेटकीपर कहता है: "आहा! यूजर भ्रमित था। हमें अगली बार इसे फिर से लिखना होगा।"
- यदि आपने "एयर फ्रायर" टाइप किया और 10 मिनट तक कुकिंग वीडियो देखा, तो गेटकीपर कहता है: "नहीं, उन्हें पता है कि वे क्या चाहते हैं। छेड़छाड़ न करें।"
- उपमा: यह एक क्लब के बाउंसर की तरह है जो केवल वीआईपी (भ्रमित यूजर्स) को ही अंदर आने देता है, जिससे रेगुलर लोग सुचारू रूप से चलते रहते हैं।
B. "कैसे लिखना है?" (अनुवादक - The Translator)
एक बार जब सिस्टम यह तय कर लेता है कि उसे फिर से लिखना है, तो उसे यह सुनिश्चित करना होगा कि नया सर्च टर्म वास्तव में लाइब्रेरी के फाइलिंग सिस्टम के साथ काम करे।
- चुनौती: यदि AI एक फैंसी, काव्यमय सर्च टर्म लिखता है, तो लाइब्रेरी के कंप्यूटर के पास उसके लिए कोई किताब नहीं हो सकती है। इसे लाइब्रेरी की भाषा बोलनी होगी।
- प्रशिक्षण: उन्होंने AI को दो चरणों वाली प्रक्रिया का उपयोग करके सिखाया:
- सुपरवाइज्ड फाइन-ट्यूनिंग (SFT): उन्होंने AI को हजारों उदाहरण दिखाए कि "खराब सर्च -> अच्छा रीराइट" कैसे होता है ताकि वह बुनियादी बातें सीख सके।
- GRPO (कोच): यह सबसे दिलचस्प हिस्सा है। उन्होंने एक "रीइन्फोर्समेंट लर्निंग" कोच का उपयोग किया। AI एक क्वेरी को फिर से लिखने की कोशिश करता है। यदि रीराइट से एक लोकप्रिय, आसानी से मिलने वाला वीडियो मिलता है, तो कोच उसे उच्च स्कोर देता है। यदि वह कोई अजीब शब्द बना देता है जिसके शून्य परिणाम मिलते हैं, तो कोच उसे "थम्स डाउन" देता है।
- उपमा: यह एक शेफ को सिखाने जैसा है। पहले, आप उन्हें रेसिपी दिखाते हैं (SFT)। फिर, आप उन्हें खाना बनाने देते हैं, लेकिन आपको बोनस तभी मिलता है जब डिश वास्तव में स्वादिष्ट होती है और ग्राहक उसे खत्म करते हैं (GRPO)। यह सुनिश्चित करता है कि AI ऐसे क्वेरी लिखे जिन्हें सर्च इंजन वास्तव में ढूंढ सके।
C. स्पीड ट्रिक: "लाइटवेट रिकॉल" (Lightweight Recall)
बड़े AI मॉडल आमतौर पर धीमे होते हैं। आप वीडियो सर्च लोड होने के लिए 5 सेकंड इंतज़ार नहीं कर सकते।
- नवाचार: AI के सोचने के इंतज़ार के बजाय, वे दो चीज़ों को समानांतर (parallel) में चलाते हैं।
- पाथ A: मानक सर्च तुरंत शुरू हो जाता है।
- पाथ B: AI बैकग्राउंड में सोच रहा है। यदि वह एक बेहतर सर्च टर्म निकाल लेता है, तो वह तुरंत एक "प्री-पैक्ड" लिस्ट से बदल देता है जो उस नए टर्म से मेल खाती है।
- उपमा: कल्पना कीजिए कि आप बर्गर ऑर्डर कर रहे हैं। किचन तुरंत मानक बर्गर बनाना शुरू कर देता है। उसी समय, पीछे एक शेफ सोच रहा है, "शायद उन्हें स्पाइसी वाला चाहिए?" यदि शेफ तय करता है "हाँ, स्पाइसी," तो वह बर्गर पकते समय ही बन (bun) को स्पाइसी बन से बदल देता है। आप इंतज़ार नहीं करते; आपको बस बेहतर बर्गर तेज़ी से मिल जाता है।
परिणाम
जब उन्होंने वास्तविक दुनिया (WeChat पर, जिसके 1 अरब से अधिक उपयोगकर्ता हैं) में इसका परीक्षण किया:
- बेहतर क्लिक: लोगों ने अधिक वीडियो देखे क्योंकि उन्हें जो चाहिए था वह जल्दी मिल गया (+1.07% लॉन्ग व्यू में वृद्धि)।
- कम निराशा: लोगों को अपने सर्च को बार-बार फिर से टाइप करने की ज़रूरत कम पड़ी (-2.97% कम रीफॉर्मुलेशन)।
- कोई लैग नहीं: इसने ऐप को बिल्कुल भी धीमा नहीं किया।
संक्षेप में: WeWrite एक स्मार्ट, तेज़ और विनम्र सहायक है जो जानता है कि कब हस्तक्षेप करना है, इसे कैसे लिखना है ताकि कंप्यूटर समझ सके, और यह सब बिना आपके इंतज़ार कराए करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।